Impact of foreign economic factors on food security of the Russian Federation

ВВЕДЕНИЕ

В условиях напряженной международной обстановки и экономических санкций в отношении Российской Федерации вопрос влияния внешнеэкономических показателей на продовольственную безопасность становится особенно актуальным. В эпоху глобализации национальная система продовольственной безопасности неразрывно связана с вопросами глобальной безопасности и влияющих на нее мирохозяйственных процессов. Серьезным вызовом для национальной продовольственной безопасности в последние годы стало сразу несколько событий: пандемия Covid-19, острая фаза которой пришлась на 2019-2020 гг., и последовавшее за ней введение эмбарго некоторыми странами на определенные виды продовольственных и сельскохозяйственных товаров в связи с их ограниченностью, затем – кризис российско-украинских отношений в 2022 году, который вылился не только в очередные пакеты политических и экономических санкций против России, но и логистический коллапс, вызванный отказом некоторых крупных логистических операторов сотрудничать с компаниями из России под воздействием санкций правительств США и стран Европейского Союза. Влияние политических процессов на логистический бизнес вынудило российских импортеров выстраивать новые логистические маршруты, что также отражается на вопросе безопасности страны.

Вопросы продовольственной безопасности исследованы в работах многих отечественных ученых. Вартанова М.Л. и Дробот Е.В. [1], анализируя внутренние и внешние угрозы безопасности Российской Федерации, отметили такие проблемы, как необходимость увеличения инвестиций в сельское хозяйство и их рациональное распределение внутри отрасли, а также недостаточность объемов кредитования агропромышленного комплекса, отличающегося избыточной бюрократией, вследствие чего усложняется процесс получения кредитов мелкими и средними сельскохозяйственными производителями. В статье Брынцева А.Н., Лапина А.В., Левиной Е.В. [2] исследовано влияние на продовольственную безопасность России таких факторов, как курса рубля к иностранным валютам (доллару США и евро), покупательной способности населения и цен на продовольственные товары. Метод факторного анализа, лежащий в основе данной работы, исследовался такими учеными, как Иберла К. [3], который в одном из своих основных трудов описал ключевые процедуры, необходимые для качественной оценки факторов: оценка общностей, метод главных компонент, вращение факторов. Лоули Д., Максвелл А. [4] в совместной монографии представили различные методы оценки факторов: метод максимального правдоподобия, центроидный метод, метод главных компонент, а также на числовых примерах провели оценку факторных нагрузок и значений факторов. Из современных работ можно выделить исследование Зангиевой И.К. и Ромистрова А.Н. [5], которые провели сравнительный анализ различных методов проведения факторного анализа и условиях его применения. Факторный анализ остается достаточно популярным инструментом, но чаще всего используется в социально-гуманитарных исследованиях. Несмотря на существенное количество исследований в сфере обеспечения продовольственной безопасности, вопрос применения метода главных компонент для оценки влияния факторов мало исследован как российскими, так и зарубежными учеными, и потому представляет для автора научный интерес.

Целью данной статьи является факторный анализ социально-экономических показателей в мировом масштабе и внешнеэкономической деятельности Российской Федерации, влияющих на национальную продовольственную безопасность. Для достижения указанной цели автором сформулированы следующие задачи:

- сбор показателей мировой экономики и внешнеторговой деятельности России за период с 1994 по 2021 гг. для осуществления факторного анализа;

- выявление главных компонент и установление взаимосвязей между главными компонентами;

- интерпретация полученных результатов и проверка гипотезы.

Гипотезой исследования является предположение о том, что на продовольственную безопасность страны в наибольшей степени влияет международная торговля продовольственными товарами, а также машинами, оборудованием и сырьем для производства продовольственных товаров.

Научная новизна исследования заключается в применении метода главных компонент для анализа факторов, влияющих на продовольственную безопасность страны.

МАТЕРИАЛЫ И МЕТОДЫ

При проведении данного исследования автором был применен метод факторного анализа с использованием программы IBM® SPSS® Statistics.

Для формирования набора данных исследования использованы такие информационные ресурсы, как статистические базы данных и аналитические материалы Конференции ООН по торговле и развитию (ЮНКТАД) [6]; Организации экономического сотрудничества и развития (ОЭСР) [7]; Мировое интегрированное торговое решение («The World Integrated Trade Solution (WITS)») [8]; Центрального банка РФ [9]; Департамента по экономическим и социальным вопросам ООН [10]; Всемирного банка [11]; Продовольственной и сельскохозяйственной организации ООН (ФАО) [12; 13]; Программы развития ООН [14] и др. Кроме того, автором использованы данные одной из крупнейших бизнес-платформ статистических данных – компании Statista [15].

РЕЗУЛЬТАТЫ И ОБСУЖДЕНИЕ

Ввиду огромного количества показателей, влияющих на продовольственную безопасность, актуальным становится объединение в несколько укрупненных показателей сильно коррелирующих между собой переменных. Это позволяет сжать выборку из влияющих переменных до небольшого числа некоррелированных факторов, изменение и влияние которых можно затем отдельно анализировать. Данный метод выделения факторов, который также считается единственным математически обоснованным методом в фактором анализе, называется методом главных компонент.

При проведении факторного анализа в данном исследовании автором соблюдены следующие условия:

- все переменные носят количественный характер;

- число наблюдений превышает число переменных;

- факторный анализ осуществляется по коррелирующим переменным.

С целью оценки влияния различных глобальных экономических и социальных показателей на продовольственную безопасность автором было выбрано 27 показателей, которые условно были разделены 9 групп (таблица 1).

Таблица 1

Социально-экономические показатели, выбранные для проведения факторного анализа

Анализируемая совокупность данных охватывает период в 28 лет, с 1994 по 2021 год. Для заполнения пропусков в отношении показателя курса доллара с 1994 по 1996 гг. (ввиду отсутствия данных на сайте ЦБ РФ) автор воспользовался методом заполнения пропуска константной - нулем. Пропуски в значениях показателей «Мировой грузооборот автотранспорта», «Объем мирового импорта продовольственных товаров», «Объем мирового экспорта продовольственных товаров», «Пахотные земли, пригодные для орошения», «Размер кредитов на сельское хозяйство» в 2021 году заполнены методом LOCF (Last observation carried forward) [16] — повторением результата последнего наблюдения (2020 года). Значения объемов импортного племенного и семенного материала в 1994-1995 гг. и объема импортных машин и оборудования в 1994 году заполнены методом повторения последующего значения Next Observation Carried Backward (NOCB) [16]. Данные способы заполнения, по мнению автора, обеспечивают наименьшую степень искажения данных с учетом масштаба анализа. Полная совокупность данных представлена в таблицах 2 и 3.

Таблица 2

Данные для проведения факторного анализа в IBM SPSS Statistics (Часть I)

Таблица 3

Данные для проведения факторного анализа в IBM SPSS Statistics (Часть II)

В первую очередь автором проверены мера адекватности выборки Кайзера-Майера-Олкена (КМО) и критерий Бартлетта [17]. Как видно в таблице 4, значение КМО превышает 0,5, что свидетельствует о том, что факторный анализ может быть применен. Уровень значимости гипотезы о сферичности ниже 0,05, т.е. гипотеза отклоняется, и матрица признается пригодной для анализа.

Таблица 4

KMO и критерий Бартлетта

Далее для снижения размерности данных приме́ним метод главных компонент в IBM SPSS Statistics.

Таблица 5

Объясненная совокупная дисперсия

При данном методе извлекается некоторое небольшое число факторов, объясняющих большую часть дисперсии данных. Собственные значения компонент, представленные в таблице 5, отражают долю дисперсии, соответствующую этим компонентам. Доля дисперсии – это информативность компоненты. Таким образом, при анализе данных из таблицы 2, мы видим, что наибольшая доля дисперсии (96,5%) приходится на первые пять компонентов.

Еще одним способов убедиться в количестве компонентов, до которых снижается размерность данных, является график собственных значений (рис. 1). Точка резкого спада на графике показывает количество факторов, которое рекомендуется принять к дальнейшему анализу.

Рисунок 1. График собственных значений.

Источник: получено автором при анализе в IBM SPSS Statistics.

Следующей задачей является интерпретация полученных результатов в матрице факторных нагрузок, т.е. оценка долей всех переменных в каждом факторе и выявление переменных, которые больше остальных нагружают каждый фактор. Нагрузка каждого фактора интерпретируется по абсолютной величине: чем больше значение нагрузки, чем больше переменная коррелирует с этим фактором, и тем больше она обусловлена этим фактором. Для более точной интерпретации выделенных пяти компонентов в программе IBM SPSS Statistics было дополнительно проведено вращение методом «варимакс с нормализацией Кайзера». Сущность вращения заключается в перераспределении нагрузок переменных по факторам таким образом, чтобы получить более контрастную матрицу нагрузок и точнее интерпретировать сами факторы. Повернутая матрица компонентов представлена в таблице 6. Важно отметить, что автором были выбраны только те переменные, нагрузка которых превышала 0,5.

Таблица 6

Повернутая матрица компонентов [1]

Как мы видим, наибольшую нагрузку на первый фактор оказывают различные экономические, демографические факторы, которые автор объединяет в фактор «Макроэкономические показатели». Среди двадцати двух переменных, нагружающих фактор, автор отмечает наиболее значимые по коэффициенту нагрузки: показатели мирового производства зерновых (0,959), мяса (0,921), мировой экспорт (0,940) и импорт (0,935) продовольственных товаров, а также объем импортного племенного и семенного материала (0,923). На второй фактор положительное влияние оказывают переменные мирового грузооборота по видам транспорта (железнодорожный, автомобильный и морской (контейнерный)). Общий коэффициент смертности нагружает как первый, так и второй фактор, поэтому при интерпретации результатов второго фактора автор не берет его во внимание и определяет второй фактор как «Мировой грузооборот». В отдельный фактор выделены индекс цен на природный газ и уровень цен на сырую нефть, поэтому данный фактор интерпретируется как «Ценовой фактор». Высокий коэффициент нагрузки у данного фактора связан с тем, что нефть используется в качестве сырья в промышленном производстве и в транспортной сфере, а удобрения, необходимые для обеспечения работы сельскохозяйственного сектора, производятся из природного газа, и повышение цен на природный газ напрямую влияет на промышленность минеральный удобрений и, как следствие, продовольственную безопасность. В связи с тем, что приток ПИИ имеет бо́льшее значение нагрузки на первый фактор по сравнению с четвертым, при оценке четвертого фактора автор его опускает и берет во внимание только переменную, имеющую наибольшую (в абсолютном значении) нагрузку на данный фактор – это «Индекс потребительских цен». Тот факт, что данный показатель выделился в отдельный фактор, объясняется недавним глобальным потрясением в виде пандемии Covid-19, которая вызвала удорожание пищевых продуктов по всему миру и в России, в частности. Пятый фактор нагружается только курсом доллара к рублю.

ЗАКЛЮЧЕНИЕ

В данном исследовании автором проанализировано влияние 27 различных экономических (включая макроэкономические, торговые, финансовые) и демографических показателей на продовольственную безопасность. Проведение факторного анализа с использованием программы IBM SPSS Statistics позволило сократить размерность совокупности данных до пяти укрупненных факторов, включающих в себя выбранные показатели:

· «Макроэкономические показатели», сочетающие в себе объемы производства стратегически важных для мирового населения товаров, внешнеторговые операции по продовольственным товарам и др.,

· «Мировой грузооборот», измеряемый по трем видам транспорта: железнодорожный; автомобильный и морской (контейнерный);

· «Ценовой фактор», отражающий динамику цен на сырье (природный газ и сырую нефть);

· Глобальный «Индекс потребительских цен»;

· «Курс доллара США к рублю», выделенный в отдельный фактор с очень высоким отрицательным коэффициентом.

Данные результаты частично подтверждают гипотезу автора о том, что на продовольственную безопасность страны влияет международная торговля продовольственными товарами и сырьем для их производства, что подтверждается высокими коэффициентами нагрузок у соответствующих показателей. Однако в то же время, мы видим, что высокими коэффициентами нагрузок обладают такие категории, как размер кредитов на сельское хозяйство, объемы производства зерновых и мяса, численность сельского населения, приток ПИИ в сельское хозяйство и др. Данный факт подтверждает необходимость более детального отдельного анализа показателей международной торговли в разрезе продовольственной безопасности. Также автором отмечается, что определенная степень субъективности в интерпретации полученных результатов может рассматриваться как недостаток факторного анализа, однако метод главных компонент факторного анализа позволяет в более упрощенном обобщенном виде выделить параметры, влияющие на продовольственную безопасность страны в масштабах мировой экономики.

[1] Вращений сошлось за 6 итераций.